Dlouhodobá Paměť: Ukládání Informací (Teorie Zpracování Informací)

Tato sekce pojednává o ukládání informací v DDP (Dlouhodobé paměti). Ačkoli jsou naše znalosti o DDP omezené, protože nemáme okno do mozku, výzkum vykreslil poměrně konzistentní obraz procesu ukládání.

Charakteristika DDP v této lekci zahrnuje strukturu, ve které jsou znalosti reprezentovány jako umístění nebo uzly v sítích, přičemž sítě jsou propojené (asociované) navzájem. Všimněte si podobnosti mezi těmito kognitivními sítěmi a neuronovými sítěmi, o kterých se hovořilo v dřívější části kurzu. Při diskusi o sítích se zabýváme především deklarativními znalostmi a procedurálními znalostmi. Podmíněné znalosti jsou zahrnuty v 7. sekci kurzu spolu s metakognitivními aktivitami, které monitorují a řídí kognitivní zpracování. Předpokládá se, že většina znalostí je uložena v DDP ve verbálních kódech, ale role obrazotvornosti je také řešena na konci této lekce.

Povaha propozic

Propozice je nejmenší jednotka informace, o které lze rozhodnout, zda je pravdivá nebo nepravdivá. Propozice jsou základní jednotky znalostí a významu v LTM (Anderson, 1990; Kosslyn, 1984; Norman & Rumelhart, 1975). Každá z následujících možností je propozice:

• Deklarace nezávislosti byla podepsána v roce 1776.
• .
• Teta Frieda nesnáší tuřín.
• Jsem dobrý v matematice.
• Hlavní postavy jsou představeny na začátku příběhu.

O těchto vzorových propozicích lze rozhodnout, zda jsou pravdivé nebo nepravdivé. Všimněte si však, že lidé se mohou ve svých úsudcích lišit. Carlos se může domnívat, že je v matematice špatný, ale jeho učitel se může domnívat, že je velmi dobrý.

Přesná povaha propozic není dobře známa. Ačkoli si je lze představit jako věty, je pravděpodobnější, že jsou to významy vět (Anderson, 1990). Výzkum podporuje názor, že informace ukládáme do paměti jako propozice, a ne jako celé věty. Kintsch (1974) dal účastníkům k přečtení věty, které byly stejně dlouhé, ale lišily se počtem propozic, které obsahovaly. Čím více propozic věta obsahovala, tím déle trvalo účastníkům, než jí porozuměli. To naznačuje, že ačkoli studenti mohou vygenerovat větu: „Deklarace nezávislosti byla podepsána v roce 1776,“ s největší pravděpodobností mají v paměti uloženu propozici obsahující pouze základní informace (Deklarace nezávislosti: podepsána – 1776). S určitými výjimkami (např. zapamatování si básně) se zdá, že lidé obvykle ukládají významy spíše než přesné formulace.

Propozice tvoří sítě, které se skládají z jednotlivých uzlů nebo umístění. Uzly si lze představit jako jednotlivá slova, ačkoli jejich přesná povaha není známa, ale pravděpodobně je abstraktní. Například studenti, kteří navštěvují hodinu dějepisu, mají pravděpodobně síť „hodina dějepisu“, která zahrnuje takové uzly jako „kniha“, „učitel“, „místo“, „jméno studenta, který sedí po jejich levici“ a tak dále.

Propoziční sítě

Propozice jsou tvořeny podle souboru pravidel. Výzkumníci se neshodují na tom, která pravidla tento soubor tvoří, ale obecně se domnívají, že pravidla kombinují uzly do propozic a následně propozice do struktur vyššího řádu nebo sítí, které jsou soubory vzájemně souvisejících propozic.

ACT teorie Andersona (Anderson, 1990, 1993, 1996, 2000; Anderson et al., 2004; Anderson, Reder, & Lebiere, 1996) navrhuje síťový model ACT-R (Adaptive Control of Thought-Rational) LTM s propozicionální strukturou. ACT-R je model kognitivní architektury, který se snaží vysvětlit, jak všechny komponenty mysli spolupracují na vytváření koherentního poznávání (Anderson et al., 2004). Propozice se tvoří kombinací dvou uzlů se subjekto-predikátovým spojením nebo asociací; jeden uzel tvoří subjekt a druhý uzel predikát. Příklady jsou (implikované informace v závorkách): „Fred (je) bohatý“ a „Nakupování (zabere) čas.“ Druhým typem asociace je spojení vztah-argument, kde vztah je sloveso (ve významu) a argument je příjemce vztahu nebo to, co je vztahem ovlivněno. Příklady jsou „jíst dort“ a „řešit hádanky“. Argumenty vztahu mohou sloužit jako subjekty nebo predikáty k vytvoření složitých propozic. Příklady jsou „Fred jí dort“ a „řešení hádanek (zabere) čas.“

Propozice jsou vzájemně propojeny, když sdílejí společný prvek. Společné prvky umožňují lidem řešit problémy, vyrovnávat se s požadavky prostředí, vytvářet analogie a tak dále. Bez společných prvků by k přenosu nedošlo; veškeré znalosti by byly uloženy odděleně a zpracování informací by bylo pomalé. Člověk by nerozpoznal, že znalosti relevantní pro jednu doménu jsou relevantní i pro jiné domény.

Obrázek 'Vzorová propoziční síť' ukazuje příklad propoziční sítě. Společným prvkem je „kočka“, protože je součástí propozic „Kočka přešla přes přední trávník“ a „Kočka chytila myš.“ Lze si představit, že první propozice je spojena s jinými propozicemi týkajícími se domu, zatímco druhá je spojena s propozicemi o myších.

Důkazy naznačují, že propozice jsou organizovány v hierarchických strukturách. Collins a Quillian (1969) ukázali, že lidé ukládají informace na nejvyšší úrovni obecnosti. Například síť LTM pro „zvíře“ by měla na nejvyšší úrovni uloženy takové skutečnosti jako „pohybuje se“ a „jí“. Pod touto kategorií by patřily druhy jako „ptáci“ a „ryby“. Pod „ptáky“ jsou uloženy „má křídla“, „umí létat“ a „má peří“ (i když existují výjimky – kuřata jsou ptáci, ale nelétají). Skutečnost, že ptáci jedí a pohybují se, není uložena na úrovni „pták“, protože tato informace je uložena na vyšší úrovni zvířete. Collins a Quillian zjistili, že časy načítání se zvyšovaly, čím dále od sebe byly koncepty uloženy v paměti.

Myšlenka hierarchické organizace byla upravena výzkumem, který ukazuje, že informace nejsou vždy hierarchické. Takže „kolie“ je v živočišné hierarchii blíže k „savci“ než k „zvířeti“, ale lidé spíše souhlasí s tím, že kolie je zvíře, než že je savec (Rips, Shoben, & Smith, 1973).

Kromě toho mohou být známé informace uloženy jak s jeho konceptem, tak na nejvyšší úrovni obecnosti (Anderson, 1990). Pokud máte krmítko pro ptáky a často sledujete ptáky, jak jedí, můžete mít „jíst“ uloženo jak u „ptáků“, tak u „zvířat“. Toto zjištění nesnižuje ústřední myšlenku, že propozice jsou organizovány a vzájemně propojeny. Ačkoli některé znalosti mohou být organizovány hierarchicky, většina informací je pravděpodobně organizována méně systematickým způsobem v propozičních sítích.

Deklarativní znalosti

Deklarativní znalosti (vědění, že něco platí) zahrnují fakta, přesvědčení, názory, zobecnění, teorie, hypotézy a postoje o sobě, druhých a světových událostech (Gupta & Cohen, 2002; Paris et al., 1983). Získávají se, když je nová propozice uložena v DTM, obvykle v související propozicionální síti (Anderson, 1990). Teorie ACT postuluje, že deklarativní znalosti jsou reprezentovány v blocích zahrnujících základní informace plus související kategorie (Anderson, 1996; Anderson, Reder, & Lebiere, 1996).

Proces ukládání funguje následovně. Nejprve student obdrží nové informace, například když učitel učiní prohlášení nebo student přečte větu. Dále jsou nové informace přeloženy do jedné nebo více propozic v studentově PM. Současně jsou vyvolány související propozice v DTM. Nové propozice jsou spojeny se souvisejícími propozicemi v PM prostřednictvím procesu šíření aktivace (popsáno v následující části). V tomto bodě mohou studenti generovat další propozice. Nakonec jsou všechny nové propozice – ty obdržené a ty generované studentem – uloženy společně v DTM (Hayes-Roth & Thorndyke, 1979).

Obrázek „Ukládání deklarativních znalostí“ ilustruje tento proces. Předpokládejme, že učitel prezentuje lekci o Ústavě USA a řekne třídě: „Viceprezident Spojených států slouží jako předseda Senátu, ale nehlasuje, pokud nenastane nerozhodný výsledek.“ Toto prohlášení může vyvolat další propozicionální znalosti uložené v paměti studentů, které se týkají viceprezidenta (např. zvolen s prezidentem, stává se prezidentem, když prezident zemře nebo rezignuje, může být obžalován za zločiny velezrady) a Senátu (např. 100 členů, dva zvoleni z každého státu, šestileté funkční období). Spojením těchto propozic by studenti měli usoudit, že viceprezident by hlasoval, pokud by 50 senátorů hlasovalo pro návrh zákona a 50 proti němu.

Problémy s ukládáním mohou nastat, když studenti nemají žádné existující propozice, s nimiž by mohli spojit nové informace. Studenti, kteří neslyšeli o Ústavě USA a nevědí, co ústava je, budou tápat, když toto slovo uslyší poprvé. Koncepčně nesmyslné informace mohou být uloženy v DTM, ale studenti se učí lépe, když jsou nové informace spojeny s něčím, co znají. Ukázání faksimile Ústavy USA studentům nebo její spojení s něčím, co studovali (např. Deklarace nezávislosti), jim poskytuje referenční bod pro spojení s novými informacemi.

I když studenti studovali související materiál, nemusí ho automaticky spojovat s novými informacemi. Často je třeba učinit spojení explicitní. Při diskusi o funkci viceprezidenta v Senátu by učitelé mohli studentům připomenout složení Senátu USA a další role viceprezidenta. Propozice sdílející společný prvek jsou propojeny v DTM pouze tehdy, jsou-li aktivní v PM současně. Tento bod pomáhá vysvětlit, proč studenti nemusí vidět, jak nový materiál souvisí se starým materiálem, i když je spojení učiteli jasné. Instrukce, která nejlépe vytváří propozicionální sítě v myslích studentů, zahrnuje opakování, organizaci materiálu a připomenutí věcí, které znají, ale na které právě nemyslí.

Stejně jako u mnoha paměťových procesů, smysluplnost, organizace a propracování usnadňují ukládání informací do paměti. Smysluplnost je důležitá, protože smysluplné informace lze snadno spojit s již existujícími informacemi v paměti. V důsledku toho je zapotřebí méně opakování, což šetří prostor a čas informací v PM. Studenti, o kterých se hovoří v úvodním scénáři, mají problém s tím, aby algebra byla smysluplná, a učitelé vyjadřují svou frustraci z toho, že neučí obsah smysluplným způsobem.

Studie Bransforda a Johnsona (1972) poskytuje dramatickou ilustraci role smysluplnosti v ukládání a porozumění. Zvažte následující pasáž:

Postup je vlastně docela jednoduchý. Nejprve uspořádáte věci do různých skupin. Samozřejmě, jedna hromada může stačit v závislosti na tom, kolik toho máte udělat. Pokud musíte jít někam jinam kvůli nedostatku vybavení, je to další krok, jinak jste na tom docela dobře. Je důležité to nepřehánět. To znamená, že je lepší dělat příliš málo věcí najednou než příliš mnoho. V krátkodobém horizontu se to nemusí zdát důležité, ale komplikace mohou snadno nastat. Chyba může být také drahá. Zpočátku se bude celý postup zdát komplikovaný. Brzy se však stane jen další stránkou života. Je obtížné předvídat jakýkoli konec nutnosti této úlohy v blízké budoucnosti, ale nikdy se neví. Po dokončení postupu se materiály znovu uspořádají do různých skupin. Pak mohou být uloženy na svá příslušná místa. Nakonec budou znovu použity a celý cyklus se bude muset opakovat. To je však součástí života. (s. 722)

Bez předchozích znalostí je tato pasáž obtížné pochopit a uložit do paměti, protože je obtížné ji spojit s existujícími znalostmi v paměti. Nicméně, vědět, že se jedná o „praní prádla“, usnadňuje zapamatování a porozumění. Bransford a Johnson zjistili, že studenti, kteří znali téma, si vybavili asi dvakrát více než ti, kteří si toho nebyli vědomi. Důležitost smysluplnosti v učení byla prokázána v mnoha dalších studiích (Anderson, 1990; Chiesi, Spilich, & Voss, 1979; Spilich, Vesonder, Chiesi, & Voss, 1979).

Organizace usnadňuje ukládání, protože dobře organizovaný materiál se snáze spojuje s již existujícími paměťovými sítěmi než špatně organizovaný materiál (Anderson, 1990). Do té míry, do jaké lze materiál uspořádat do hierarchického uspořádání, poskytuje připravenou strukturu pro přijetí do DTM. Bez existující sítě DTM je vytvoření nové sítě DTM snazší s dobře organizovanými informacemi než se špatně organizovanými informacemi.

Propracování, neboli proces přidávání informací do materiálu, který se má naučit, zlepšuje ukládání, protože propracováním informací je studenti mohou být schopni je spojit s něčím, co znají. Prostřednictvím šíření aktivace může být propracovaný materiál rychle spojen s informacemi v paměti. Například učitel by mohl diskutovat o sopce Etna. Studenti, kteří mohou propracovat tyto znalosti tím, že je spojí se svými osobními znalostmi sopek (např. sopka St. Helens), budou moci spojit nové a staré informace v paměti a lépe si nový materiál zapamatovat.

Šíření aktivace

Šíření aktivace pomáhá vysvětlit, jak jsou nové informace propojeny se znalostmi v DTM (Anderson, 1983, 1984, 1990, 2000; Collins & Loftus, 1975). Základní principy jsou následující (Anderson, 1984):

• Lidské znalosti mohou být reprezentovány jako síť uzlů, kde uzly odpovídají konceptům a odkazy asociacím mezi těmito koncepty.
• Uzly v této síti mohou být v různých stavech, které odpovídají jejich úrovním aktivace. Aktivnější uzly jsou zpracovávány „lépe“.
• Aktivace se může šířit podél těchto síťových cest mechanismem, kterým uzly mohou způsobit, že se jejich sousední uzly stanou aktivními. (s. 61)

Anderson (1990) uvádí příklad jedince, kterému je předloženo slovo pes. Toto slovo je asociativně spojeno s takovými dalšími koncepty v jedincově DTM jako kost, kočka a maso. Každý z těchto konceptů je zase spojen s dalšími koncepty. Aktivace slova pes v DTM se rozšíří za slovo pes na spojené koncepty, přičemž šíření se zmenšuje s koncepty vzdálenějšími od slova pes.

Experimentální podpora pro existenci šíření aktivace byla získána Meyerem a Schvaneveldtem (1971). Tito výzkumníci použili úlohu reakčního času, která účastníkům předložila dva řetězce písmen a požádala je, aby se rozhodli, zda jsou obě slova. Slova asociativně spojená (chléb, máslo) byla rozpoznána rychleji než slova nespojená (sestra, máslo).

Šíření aktivace vede k aktivaci větší části DTM, než jsou znalosti bezprostředně spojené s obsahem PM. Aktivované informace zůstávají v DTM, pokud k nim není záměrně přistupováno, ale tyto informace jsou snadněji přístupné PM. Šíření aktivace také usnadňuje přenos znalostí do různých domén. Přenos závisí na tom, že propozicionální sítě v DTM jsou aktivovány stejným podnětem, takže studenti rozpoznají, že znalosti jsou použitelné v doménách.

Schémata

Propozicionální sítě reprezentují malé kousky znalostí. Schémata (nebo schémata) jsou velké sítě, které reprezentují strukturu objektů, osob a událostí (Anderson, 1990). Struktura je reprezentována sérií „slotů“, z nichž každý odpovídá atributu. Ve schématu nebo slotu pro domy by některé atributy (a jejich hodnoty) mohly být následující: materiál (dřevo, cihla), obsah (místnosti) a funkce (lidské obydlí). Schémata jsou hierarchická; jsou spojena s nadřazenými myšlenkami (budova) a podřazenými (střecha).

Brewer a Treyens (1981) nalezli výzkumnou podporu pro základní povahu schémat. Jedinci byli požádáni, aby krátkou dobu čekali v kanceláři, poté byli přivedeni do místnosti, kde si zapsali vše, co si pamatovali o kanceláři. Vzpomínka odrážela silný vliv schématu pro kancelář. Správně si vzpomněli, že v kanceláři byl stůl a židle (typické atributy), ale ne, že kancelář obsahovala lebku (netypický atribut). Knihy jsou typickým atributem kanceláří; i když v kanceláři nebyly žádné knihy, mnoho lidí si knihy nesprávně vybavilo.

Schémata jsou důležitá během výuky a pro přenos (Matlin, 2009). Jakmile se studenti naučí schéma, učitelé mohou aktivovat tyto znalosti, když učí jakýkoli obsah, na který je schéma použitelné. Předpokládejme, že instruktor učí obecné schéma pro popis geografických útvarů (např. hora, sopka, ledovec, řeka). Schéma by mohlo obsahovat následující atributy: výška, materiál a aktivita. Jakmile se studenti naučí schéma, mohou jej použít k kategorizaci nových útvarů, které studují. Tímto způsobem by vytvořili nová schémata pro různé útvary.

Procedurální znalosti

Procedurální znalosti, neboli znalosti o tom, jak provádět kognitivní aktivity (Anderson, 1990; Gupta & Cohen, 2002; Hunt, 1989; Paris et al., 1983), jsou ústřední pro mnoho školního učení. Procedurální znalosti používáme k řešení matematických problémů, shrnutí informací, zběžnému čtení pasáží a provádění laboratorních technik.

Procedurální znalosti mohou být uloženy jako verbální kódy a obrázky, podobně jako jsou uloženy deklarativní znalosti. Teorie ACT postuluje, že procedurální znalosti jsou uloženy jako produkční systém (Anderson, 1996; Anderson, Reder, & Lebiere, 1996). Produkční systém (neboli produkce) je síť sekvencí podmínek a akcí (pravidel), ve které je podmínka soubor okolností, které aktivují systém, a akce je soubor aktivit, které se vyskytují (Anderson, 1990; Andre, 1986; viz další část). Produkční systémy se zdají koncepčně podobné neuronovým sítím.

Produkční systémy a konekcionistické modely poskytují paradigmata pro zkoumání fungování kognitivních učebních procesů (Anderson, 1996, 2000; Smith, 1996). Konekcionistické modely představují relativně nový pohled na kognitivní učení. Doposud existuje jen málo výzkumů konekcionistických modelů, které by byly relevantní pro vzdělávání. Další zdroje poskytují další informace o konekcionistických modelech (Bourne, 1992; Farnham-Diggory, 1992; Matlin, 2009; Siegler, 1989).

Produkční systémy

ACT – aktivační teorie – specifikuje, že produkční systém (nebo produkce) je síť sekvencí podmínka–akce (pravidel), ve které je podmínka soubor okolností, které aktivují systém, a akce je soubor aktivit, které se vyskytují (Anderson, 1990, 1996, 2000; Anderson, Reder, & Lebiere, 1996; Andre, 1986). Produkce se skládá z příkazů if–then: If příkazy (podmínka) zahrnují cíl a testovací příkazy a then příkazy jsou akce. Například:

• KDYŽ vidím dvě čísla a musí být sečtena,
• PAK se rozhodni, které je větší, a začni s tímto číslem a počítej až k dalšímu. (Farnham-Diggory, 1992, s. 113)

Ačkoli produkce jsou formy procedurálních znalostí, ke kterým mohou být připojeny podmínky (podmíněné znalosti), zahrnují také deklarativní znalosti.

Učení procedur pro provádění dovedností často probíhá pomalu (J. Anderson, 1982). Nejprve si studenti představují posloupnost akcí z hlediska deklarativních znalostí. Každý krok v posloupnosti je reprezentován jako tvrzení. Studenti postupně odstraňují jednotlivé podněty a integrují oddělené kroky do souvislé posloupnosti akcí. Například děti, které se učí sčítat sloupec čísel, mají tendenci zpočátku provádět každý krok pomalu, možná i nahlas verbalizovat. Jak se stávají zručnějšími, sčítání se stává součástí automatické, plynulé sekvence, která probíhá rychle a bez záměrné, vědomé pozornosti. Automatizace je ústředním prvkem mnoha kognitivních procesů (např. pozornost, vybavování) (Moors & De Houwer, 2006). Když se procesy stanou automatickými, umožňuje to systému zpracování věnovat se složitým částem úkolů.

Hlavním omezením učení dovedností je omezená velikost WM (Baddeley, 2001). Procedury by se učily rychleji, kdyby WM mohla současně uchovávat všechna tvrzení deklarativních znalostí. Protože to nemůže, studenti musí kombinovat tvrzení pomalu a periodicky se zastavovat a přemýšlet (např. „Co mám dělat dál?“). WM neobsahuje dostatek prostoru pro vytvoření rozsáhlých procedur v raných fázích učení. Jak jsou tvrzení kombinována do malých procedur, jsou tyto procedury ukládány do WM současně s jinými tvrzeními. Tímto způsobem se postupně konstruují větší produkce.

Tyto myšlenky vysvětlují, proč učení dovedností postupuje rychleji, když studenti umí vykonávat základní dovednosti (tj. když se stanou automatickými). Když existují jako dobře zavedené produkce, jsou aktivovány v WM současně s novými tvrzeními, která mají být integrována. Při učení řešit problémy s dělením se zbytkem si studenti, kteří umí násobit, jednoduše vybaví postup, když je to nutné; nemusí se učit spolu s ostatními kroky v dělení se zbytkem. Ačkoli se nezdá, že by to byl problém v úvodním scénáři, učení algebry je pro studenty se základními nedostatky dovedností (např. sčítání, násobení) obtížné, protože i jednoduché algebraické problémy je obtížné správně vyřešit. Zdá se, že děti s poruchami čtení postrádají schopnost efektivně zpracovávat a ukládat informace současně (de Jong, 1998).

V některých případech je obtížné specifikovat kroky podrobně. Například kreativní myšlení nemusí u každého studenta sledovat stejnou sekvenci. Učitelé mohou modelovat kreativní myšlení tak, aby zahrnovalo takové vlastní otázky, jako například „Existují ještě nějaké další možnosti?“ Kdykoli je možné specifikovat kroky, jsou ukázky kroků v postupu učitelem, následované studentskou praxí, účinné (Rosenthal & Zimmerman, 1978).

Jedním z problémů s učením procedur je, že studenti by je mohli vnímat jako neměnné sekvence, které je třeba dodržovat bez ohledu na to, zda jsou vhodné. Gestalt psychologové ukázali, jak funkční fixace neboli nepružný přístup k problému brání řešení problémů (Duncker, 1945). Důsledné dodržování sekvence při učení může pomoci při jejím získávání, ale studenti také potřebují porozumět okolnostem, za kterých jsou jiné metody účinnější.

Někdy si studenti příliš osvojí postupy dovedností do té míry, že se vyhýbají používání alternativních, snadnějších postupů. Současně existuje jen málo, pokud vůbec nějaké, alternativ pro mnoho postupů, které se studenti učí (např. dekódování slov, sčítání čísel, určování shody podmětu s přísudkem). Přílišné učení těchto dovedností až do bodu automatické produkce se stává pro studenty přínosem a usnadňuje jim učení nových dovedností (např. vyvozování závěrů, psaní seminárních prací), které vyžadují zvládnutí těchto základních dovedností.

Dalo by se tvrdit, že učit studenty, kteří mají nedostatky v základních matematických faktech a dovednostech dekódování, dovednosti řešení problémů nebo vyvozování závěrů, nemá smysl. Výzkum ukazuje, že špatné pochopení základních číselných faktů souvisí s nízkým výkonem ve složitých aritmetických úkolech (Romberg & Carpenter, 1986) a pomalé dekódování souvisí se špatným porozuměním (Calfee & Drum, 1986; Perfetti & Lesgold, 1979). Ovlivněno je nejen učení dovedností, ale trpí i vlastní účinnost.

Praxe je nezbytná k zavedení základních procedurálních znalostí (Lesgold, 1984). V raných fázích učení vyžadují studenti opravnou zpětnou vazbu, která zdůrazňuje ty části postupu, které implementovali správně, a ty, které vyžadují úpravu. Studenti se často naučí některé části postupu, ale ne jiné. Jak studenti získávají dovednosti, učitelé mohou poukazovat na jejich pokrok v řešení problémů rychleji nebo přesněji.

Přenos procedurálních znalostí nastává, když jsou znalosti propojeny v LTM s různým obsahem. Přenosu napomáhá, když studenti aplikují postupy na různý obsah a podle potřeby postupy mění. Obecné strategie řešení problémů jsou použitelné na různorodý akademický obsah. Studenti se učí o jejich obecnosti tím, že je aplikují na různé předměty (např. čtení, matematika).

Produkce jsou relevantní pro kognitivní učení, ale je třeba se zabývat několika otázkami. Teorie ACT postuluje jednotný soubor kognitivních procesů pro vysvětlení různorodých jevů (Matlin, 2009). Tento pohled je v rozporu s jinými kognitivními perspektivami, které vymezují různé procesy v závislosti na typu učení (Shuell, 1986). Rumelhart a Norman (1978) identifikovali tři typy učení. Akrece zahrnuje kódování nových informací z hlediska stávajících schémat; restrukturalizace (vytvoření schématu) je proces formování nových schémat; a ladění (evoluce schématu) označuje pomalou modifikaci a vylepšování schémat, ke kterému dochází při jejich používání v různých kontextech. Tyto zahrnují různá množství praxe: hodně pro ladění a méně pro akreci a restrukturalizaci.

ACT je v podstatě počítačový program navržený tak, aby simuloval učení koherentním způsobem. Jako takový nemusí řešit rozsah faktorů zapojených do lidského učení. Jednou z otázek je, jak lidé vědí, kterou produkci použít v dané situaci, zvláště pokud se situace hodí k použití různých produkcí. Produkce mohou být uspořádány z hlediska pravděpodobnosti, ale musí být k dispozici prostředky pro rozhodování o tom, která produkce je nejlepší vzhledem k okolnostem. Znepokojující je také otázka, jak se produkce mění. Například, pokud produkce nefunguje efektivně, zahodí ji studenti, upraví ji, nebo si ji ponechají, ale hledají další důkazy? Jaký je mechanismus pro rozhodování o tom, kdy a jak se produkce mění?

Další obava se týká Andersonova (1983, 1990) tvrzení, že produkce začínají jako deklarativní znalosti. Tento předpoklad se zdá být příliš silný vzhledem k důkazům, že tato sekvence není vždy dodržována (Hunt, 1989). Protože reprezentace procedur dovedností jako kousků deklarativních znalostí je v podstatě přestupní stanicí na cestě k mistrovství, dalo by se zpochybnit, zda by se studenti měli učit jednotlivé kroky. Jednotlivé kroky se nakonec nebudou používat, takže čas lze lépe využít tím, že studentům umožníte procvičovat je. Poskytování studentům seznamu kroků, na které se mohou odvolávat, jak postupně vyvíjejí postup, usnadňuje učení a zvyšuje vlastní účinnost (Schunk, 1995).

Nakonec by se dalo zpochybnit, zda produkční systémy, jak jsou obecně popsány, nejsou nic víc než propracované asociace podnět-reakce (S-R) (Mayer, 1992). Tvrzení (kousky procedurálních znalostí) se propojují v paměti, takže když je jeden kousek vyvolán, aktivují se i ostatní. Anderson (1983) uznal asocianistickou povahu produkcí, ale věří, že jsou pokročilejší než jednoduché asociace S-R, protože zahrnují cíle. Na podporu tohoto bodu jsou asociace ACT analogické s propojeními neuronových sítí. Možná, jako v případě behavioristických teorií, ACT dokáže vysvětlit výkon lépe než učení. Tyto a další otázky (např. role motivace) je třeba prozkoumat výzkumem a propojit s učením akademických dovedností, aby se lépe zjistila užitečnost produkcí ve vzdělávání.

Konekcionistické modely

Linie nedávných teorií o složitých kognitivních procesech zahrnuje konekcionistické modely (nebo konekcionismus, ale neplést s Thorndikeovým konekcionismem, o kterém se hovořilo dříve v kurzu; Baddeley, 1998; Farnham-Diggory, 1992; Smith, 1996). Stejně jako produkce, i konekcionistické modely představují počítačové simulace učebních procesů. Tyto modely propojují učení se zpracováním neuronového systému, kde impulsy spouštějí přes synapsy a vytvářejí propojení. Předpoklad je, že kognitivní procesy vyššího řádu jsou tvořeny propojením velkého počtu základních prvků, jako jsou neurony (Anderson, 1990, 2000; Anderson, Reder, & Lebiere, 1996; Bourne, 1992). Konekcionistické modely zahrnují distribuované reprezentace znalostí (tj. rozložené v široké síti), paralelní zpracování (mnoho operací probíhá současně) a interakce mezi velkým počtem jednoduchých jednotek zpracování (Siegler, 1989). Propojení mohou být v různých fázích aktivace (Smith, 1996) a propojena se vstupem do systému, výstupem nebo jednou nebo více mezivrstvami.

Rumelhart a McClelland (1986) popsali systém paralelního distribuovaného zpracování (PDP). Tento model je užitečný pro vytváření kategorických úsudků o informacích v paměti. Tito autoři poskytli příklad zahrnující dva gangy a informace o členech gangu, včetně věku, vzdělání, rodinného stavu a povolání. V paměti jsou propojeny podobné charakteristiky každého jednotlivce. Například členové 2 a 5 by byli propojeni, pokud by byli přibližně stejného věku, ženatí a zapojeni do podobných aktivit gangu. Chcete-li získat informace o členovi 2, mohli bychom aktivovat paměťovou jednotku se jménem osoby, která by zase aktivovala další paměťové jednotky. Vzor vytvořený tímto šířením aktivace odpovídá reprezentaci paměti pro daného jedince. Borowsky a Besner (2006) popsali model PDP pro vytváření lexikálních rozhodnutí (např. rozhodování, zda je podnět slovo).

Konekcionistické jednotky mají určitou podobnost s produkcemi v tom, že obě zahrnují aktivaci paměti a propojené myšlenky. Současně existují rozdíly. V konekcionistických modelech jsou všechny jednotky stejné, zatímco produkce obsahují podmínky a akce. Jednotky se rozlišují z hlediska vzoru a stupně aktivace. Další rozdíl se týká pravidel. Produkce se řídí pravidly. Konekcionismus nemá žádná stanovená pravidla. Neurony „vědí“, jak aktivovat vzory; po faktu můžeme poskytnout pravidlo jako štítek pro sekvenci (např. pravidla pro pojmenování aktivovaných vzorů; Farnham-Diggory, 1992).

Jedním z problémů s konekcionistickým přístupem je vysvětlení, jak systém ví, které z mnoha jednotek v paměti aktivovat a jak se tyto vícenásobné aktivace propojují do integrovaných sekvencí. Tento proces se zdá být přímočarý v případě dobře zavedených vzorů; například neurony vědí, jak reagovat na zvonící telefon, studený vítr a učitele, který oznamuje: „Všichni dávejte pozor!“ U méně zavedených vzorů mohou být aktivace problematické. Můžeme se také zeptat, jak se neurony stávají v první řadě samoaktivujícími. Tato otázka je důležitá, protože pomáhá vysvětlit roli propojení v učení a paměti. Ačkoli se myšlenka propojení zdá být věrohodná a vychází z toho, co víme o neurologickém fungování, doposud byl tento model užitečnější při vysvětlování vnímání než učení a řešení problémů (Mayer, 1992). Poslední aplikace vyžadují značný výzkum.